python如何使用100多行代碼寫一個數據庫

這篇文章主要介紹了python如何使用100多行代碼寫一個數據庫，具有一定借鑒價值，需要的朋友可以參考下。希望大家閱讀完這篇文章后大有收獲。下面讓小編帶著大家一起了解一下。

數據庫的名字叫WawaDB，是用python實現的。由此可見python是灰常強大啊！

簡介

記錄日志的需求一般是這樣的：

只追加，不修改，寫入按時間順序寫入；

大量寫，少量讀，查詢一般查詢一個時間段的數據；

MongoDB的固定集合很好的滿足了這個需求，但是MongoDB占內存比較大，有點兒火穿蚊子，小題大做的感覺。

WawaDB的思路是每寫入1000條日志，在一個索引文件里記錄下當前的時間和日志文件的偏移量。

然后按時間詢日志時，先把索引加載到內存中，用二分法查出時間點的偏移量，再打開日志文件seek到指定位置，這樣就能很快定位用戶需要的數據并讀取，而不需要遍歷整個日志文件。

性能

Core 2 P8400,2.26GHZ,2G內存，32 bit win7

寫入測試：

模擬1分鐘寫入10000條數據，共寫入5個小時的數據， 插入300萬條數據，每條數據54個字符，用時2分51秒

讀取測試:讀取指定時間段內包含某個子串的日志

數據范圍 遍歷數據量 結果數 用時（秒）

5小時 300萬 604 6.6

2小時 120萬 225 2.7

1小時 60萬 96 1.3

30分鐘 30萬 44 0.6

索引

只對日志記錄的時間做索引， 簡介里大概說了下索引的實現，二分查找肯定沒B Tree效率高，但一般情況下也差不了一個數量級，而且實現特別簡單。

因為是稀疏索引，并不是每條日志都有索引記錄它的偏移量，所以讀取數據時要往前多讀一些數據，防止漏讀，等讀到真正所需的數據時再真正給用戶返回數據。

如下圖，比如用戶要讀取25到43的日志，用二分法找25，找到的是30所在的點，

索引：0         10        20        30        40        50 日志：|.........|.........|.........|.........|.........|>>>a = [0, 10, 20, 30, 40, 50]>>>bisect.bisect_left(a, 35)>>>3>>>a[3]>>>30>>>bisect.bisect_left(a, 43)>>>5>>>a[5]>>>50

所以我們要往前倒一些，從20（30的前一個刻度）開始讀取日志，21，22，23，24讀取后因為比25小，所以扔掉, 讀到25,26,27,...后返回給用戶

讀取到40（50的前一個刻度）后就要判斷當前數據是否大于43了，如果大于43（返回全開區間的數據），就要停止讀了。

整體下來我們只操作了大文件的很少一部分就得到了用戶想要的數據。

緩沖區

為了減少寫入日志時大量的磁盤寫，索引在append日志時，把buffer設置成了10k，系統默認應該是4k。

同理，為了提高讀取日志的效率，讀取的buffer也設置了10k，也需要根據你日志的大小做適當調整。

索引的讀寫設置成了行buffer，每滿一行都要flush到磁盤上，防止讀到不完整的索引行（其實實踐證明，設置了行buffer，還是能讀到半拉的行）。

查詢

啥？要支持SQL，別鬧了，100行代碼怎么支持SQL呀。

現在查詢是直接傳入一個lambada表達式，系統遍歷指定時間范圍內的數據行時，滿足用戶的lambada條件才會返回給用戶。

當然這樣會多讀取很多用戶不需要的數據，而且每行都要進行lambda表達式的運算，不過沒辦法，簡單就是美呀。

以前我是把一個需要查詢的條件和日志時間，日志文件偏移量都記錄在索引里，這樣從索引里查找出符合條件的偏移量，然后每條數據都如日志文件里seek一次，read一次。這樣好處只有一個，就是讀取的數據量少了，但缺點有兩個：

索引文件特別大，不方便加載到內存中

每次讀取都要先seek，貌似緩沖區用不上，特別慢，比連續讀一個段的數據，并用lambda過濾慢四五倍

寫入

前面說過了，只append，不修改數據，而且每行日志最前面是時間戳。

多線程

查詢數據，可以多線程同時查詢，每次查詢都會打開一個新的日志文件的描述符，所以并行的多個讀取不會打架。

寫入的話，雖然只是append操作，但不確認多線程對文件進行append操作是否安全，所以建議用一個隊列，一個專用線程進行寫入。

鎖

沒有任何鎖。

排序

默認查詢出來的數據是按時間正序排列，如需其它排序，可取到內存后用python的sorted函數排序，想怎么排就怎么排。

# -*- coding:utf-8 -*-
import os
import time
import bisect
import itertools
from datetimeimport datetime
import logging
  
default_data_dir= './data/'
default_write_buffer_size= 1024*10
default_read_buffer_size= 1024*10
default_index_interval= 1000
  
def ensure_data_dir():
    if not os.path.exists(default_data_dir):
        os.makedirs(default_data_dir)
  
def init():
    ensure_data_dir()
  
class WawaIndex:
    def __init__(self, index_name):
        self.fp_index= open(os.path.join(default_data_dir, index_name+ '.index'),'a+',1)
        self.indexes,self.offsets,self.index_count= [], [],0
        self.__load_index()
  
    def __update_index(self, key, offset):
        self.indexes.append(key)
        self.offsets.append(offset)
  
    def __load_index(self):
        self.fp_index.seek(0)
        for linein self.fp_index:
            try:
                key, offset = line.split()
                self.__update_index(key, offset)
            except ValueError:# 索引如果沒有flush的話，可能讀到有半行的數據
                pass
  
    def append_index(self, key, offset):
        self.index_count+= 1
        if self.index_count% default_index_interval== 0:
            self.__update_index(key, offset)
            self.fp_index.write('%s %s %s' % (key, offset, os.linesep))
  
    def get_offsets(self, begin_key, end_key):
        left= bisect.bisect_left(self.indexes,str(begin_key))
        right= bisect.bisect_left(self.indexes,str(end_key))
        left, right= left- 1, right- 1
        if left <0: left= 0
        if right <0: right= 0
        if right >len(self.indexes)- 1: right= len(self.indexes)- 1
        logging.debug('get_index_range:%s %s %s %s %s %s',self.indexes[0],self.indexes[-1], begin_key, end_key, left, right)
        return self.offsets[left],self.offsets[right]
  
  
class WawaDB:
    def __init__(self, db_name):
        self.db_name= db_name
        self.fp_data_for_append= open(os.path.join(default_data_dir, db_name+ '.db'),'a', default_write_buffer_size)
        self.index= WawaIndex(db_name)
  
    def __get_data_by_offsets(self, begin_key, end_key, begin_offset, end_offset):
        fp_data= open(os.path.join(default_data_dir,self.db_name+ '.db'),'r', default_read_buffer_size)
        fp_data.seek(int(begin_offset))
          
        line= fp_data.readline()
        find_real_begin_offset= False
        will_read_len, read_len= int(end_offset)- int(begin_offset),0
        while line:
            read_len+= len(line)
            if (not find_real_begin_offset)and  (line <str(begin_key)):
                line= fp_data.readline()
                continue
            find_real_begin_offset= True
            if (read_len >= will_read_len)and (line >str(end_key)):break
            yield line.rstrip('\r\n')
            line= fp_data.readline()
  
    def append_data(self, data, record_time=datetime.now()):
        def check_args():
            if not data:
                raise ValueError('data is null')
            if not isinstance(data,basestring):
                raise ValueError('data is not string')
            if data.find('\r') != -1 or data.find('\n') != -1:
                raise ValueError('data contains linesep')
  
        check_args()
          
        record_time= time.mktime(record_time.timetuple())
        data= '%s %s %s' % (record_time, data, os.linesep)
        offset= self.fp_data_for_append.tell()
        self.fp_data_for_append.write(data)
        self.index.append_index(record_time, offset)
  
    def get_data(self, begin_time, end_time, data_filter=None):
        def check_args():
            if not (isinstance(begin_time, datetime)and isinstance(end_time, datetime)):
                raise ValueError('begin_time or end_time is not datetime')
  
        check_args()
  
        begin_time, end_time= time.mktime(begin_time.timetuple()), time.mktime(end_time.timetuple())
        begin_offset, end_offset= self.index.get_offsets(begin_time, end_time)
  
        for datain self.__get_data_by_offsets(begin_time, end_time, begin_offset, end_offset):
            if data_filter:
                if data_filter(data):
                    yield data
            else:
                yield data
  
def test():
    from datetimeimport datetime, timedelta
    import uuid, random
    logging.getLogger().setLevel(logging.NOTSET)
  
    def time_test(test_name):
        def inner(f):
            def inner2(*args,**kargs):
                start_time= datetime.now()
                result= f(*args,**kargs)
                print '%s take time:%s' % (test_name, (datetime.now()- start_time))
                return result
            return inner2
        return inner
  
    @time_test('gen_test_data')   
    def gen_test_data(db):
        now= datetime.now()
        begin_time= now- timedelta(hours=5)
        while begin_time < now:
            print begin_time
            for iin range(10000):
                db.append_data(str(random.randint(1,10000))+ ' ' +str(uuid.uuid1()), begin_time)
            begin_time+= timedelta(minutes=1)
      
    @time_test('test_get_data')   
    def test_get_data(db):
        begin_time= datetime.now()- timedelta(hours=3)
        end_time= begin_time+ timedelta(minutes=120)
        results= list(db.get_data(begin_time, end_time,lambda x: x.find('1024') != -1))
        print 'test_get_data get %s results' % len(results)
  
    @time_test('get_db')   
    def get_db():
        return WawaDB('test')
  
    if not os.path.exists('./data/test.db'):
        db= get_db()
        gen_test_data(db)
        #db.index.fp_index.flush()
    
    db= get_db()
    test_get_data(db)
  
init()
  
if __name__== '__main__':
    test()

感謝你能夠認真閱讀完這篇文章，希望小編分享python如何使用100多行代碼寫一個數據庫內容對大家有幫助，同時也希望大家多多支持億速云，關注億速云行業資訊頻道，遇到問題就找億速云，詳細的解決方法等著你來學習!